數據質量管理--數據抽取和清洗

web數據集成技術能夠從web上自動獲取數據，可是獲取的信息存在着大量的髒數據，好比濫用縮寫詞，慣用語，數據輸入錯誤，重複記錄，丟失值，拼寫變化，不一樣的計量單位。這些數據是沒有意義的，根本就不可能爲之後的數據挖掘決策分析提供任何支持。web 數據清洗主要是提升數據的可用性，目前，數據清洗主要應用於三個領域： 1 數據倉庫（DW） 2數據庫中的知識發現（KDD） 3數據質量管理（TDQM) 我在公

>>阅读原文<<